MiniMax M3.1 Flashのパラメータ：総数4280億、アクティブ230億、そして請求額を決める数字

MiniMax M3.1 Flash

MiniMaxが実際に公開したもの

MiniMaxは2026年10月19日にMiniMax M3.1 Flashをリリースし、10月23日に重みをHugging Faceで公開した。モデルカードは、ローンチ投稿では曖昧なままだった仕様に関する疑問に答えており、その数値のいくつかは、その間に広まった要約とは異なっている。

• パラメータ — 合計4280億、トークンあたり230億が活性化、ネイティブなマルチモーダル混合エキスパート（MoE）アーキテクチャ。

• ダウンロード — 48個のsafetensorsシャードにわたる252.4 GB、さらに投機的デコーディング用の2.3 GBのDSparkドラフター。

• コンテキストと出力 — 入力は1,000,000トークン、出力は最大524,288トークン。

• モダリティ — テキスト、画像、動画を入力、テキストを出力。

• 精度 — ルーテッドエキスパートとスパースアテンションのKVパスはNVFP4向けにトレーニングされ、共有エキスパートはMXFP8で保持され、クエリパスはFP8のままです。

• サービング — vLLM、SGLang、TokenSpeed が推奨される手段であり、NVIDIA と AMD 向けに day-0 の vLLM コンテナを提供しています。

• ホスト型APIの料金 — 入力トークン100万件あたり$0.15、出力$0.60、キャッシュされた入力の読み取り$0.015。

• ライセンス — minimax-community、Hugging Face に code>license: other/code> として登録されていますが、MIT でも Apache でもありません。

合計とアクティブ：230億が何をしているのか

密な4280億パラメータのモデルなら、トークンごとにすべてのパラメータを実行することになる。混合エキスパート（MoE）は各トークンを一部のエキスパートにルーティングするため、トークンあたりの計算量は230億というアクティブ数のほうで決まり、メモリフットプリントは4280億という総数のほうで決まる。この分離こそが、2つの数字がたいていセットで示される理由であり、片方だけを示すと予測可能な方向へ誤解を招く理由でもある。総数はどんなハードウェアが必要かを教え、アクティブ数はトークンあたりの計算コストがおおよそどれくらいかを教えてくれる。

実用上の帰結として、230億アクティブは「230億パラメータのモデル」ではない。それは、4280億パラメータ分の保存された知識と、230億パラメータ分のトークンあたりの処理を備えたモデルであり、起動が速く、ホストするには比較的重い理由を妥当に説明している。

252.4 GB という数字は、調達文書の中でそれがどう見えるかを示している。理論上のパラメータ数に 2 バイトを掛けたものではなく、セキュリティレビューを通じて扱う実体そのものだ。その水準にとどめているのは、NVFP4 で学習するという選択だ。vLLM の計算では、NVFP4 チェックポイントは 250.1 GB で、MXFP8 の MiniMax-M3 の 451.5 GB に対して 44.6% の削減であり、KV キャッシュはトークンあたり 61,440 バイトから 34,560 バイトへ減り、43.75% の削減となる。これは疎アテンションのインデクサーとアテンションパスの両方が NVFP4 で動作するためだ。

サービング時にパラメータにかかるコストはどれくらいか

パラメータ数からは得られない数値は同時実行数であり、セルフホスティングが現実的かどうかを決めるのはまさにこれです。256,000トークンのシーケンスで4台のNVIDIA B300 GPU上では、vLLMはMiniMax M3.1 Flashについて76の同時シーケンスを報告しており、FP8 KVキャッシュを使用するMiniMax-M3では28に収まります — 約2.7倍多い。レイテンシ重視のGB300 AgentX実行では、スタックはユーザーあたり毎秒418.9出力トークンを維持しつつ、GPUあたり毎秒38.6K総トークンを処理します。スループット重視の端では、ユーザーあたり毎秒約127トークンで、GPUあたり毎秒153.8K総トークンに達します。Rubinでは同じレシピがユーザーあたり毎秒724.9トークンを報告し、AMD MI355Xでは331です。

それらは特定のハードウェア上でのフレームワークのベンチマークであり、フレームワーク自身が公開したもので、独立した本番環境の測定値ではありません。それでも、どのベンチマークの行よりも意思決定には関連しています。なぜなら、4台のGPU上で76本の同時256Kシーケンスを収められる428Bモデルは、8本しか収められないモデルとは別の調達対象だからです。

230億のコストは、トークンの価格ではない

パラメータの話と請求書が食い違うのはここだ。MiniMax M3.1 Flashの価格は0.15ドルと0.60ドルで、これはGemini 3.5 Flash-Liteの入力価格の半分、出力価格のおよそ4分の1に当たる。Artificial Analysisの「完了タスクあたりコスト」指標では、それでも負けている。0.22ドル対0.19ドルだ。

その理由は同じデータセットを見れば明らかです。Intelligence Index全体で、このモデルは約1億8,000万個の出力トークンを消費しました。これはArtificial Analysisが追跡するモデルの中央値である約1億個と対照的です。Thinkingは無効化できません。MiniMaxのAPIはcode>thinking: {"type": "disabled"}/code> を400で拒否し、調整できるのはlowからmaxまでの5段階のエフォート設定だけです。このフィールドを省略した場合、デフォルトはmaxです。Thinkingトークンは出力として課金され、code>max_tokens/code>に算入されます。

パラメータの経済性について正確にまとめると、次のとおりです。アクティブなパラメータ数はモデルを高速に保てる程度に少なく、冗長性は請求額が料金表から想定されるほど小さくならない程度に高い。そして、この二つの事実は互いに関係ありません。エージェント型の作業やコーディング作業では、熟考は概してそのトークン分の価値を発揮します。抽出や分類では、そうではありません。

知能の結果は最先端というよりはかなり良好だ。Artificial Analysis Intelligence Indexで43、173モデル中5位、Terminal-Bench 4.0が26%、AutomationBench-AAが73%、GDPval-AAが1,458、SciCodeが53%となっている。設計で考慮すべきなのは回答保留の結果だ。AA-Omniscienceでは16と評価され、幻覚率は93%だ。つまり、答えを知らない場合でも、回答を控えるのではなく、ほぼ毎回そのまま答えてしまったということだ。

速度、2つの測定方法

公開されている速度の数値は一致していませんが、その不一致は警告というより示唆に富むものです。Artificial Analysisは最初のトークンまで1.48秒、出力毎秒95.6トークンと測定しました。MiniMax自身の資料では中央値が毎秒170トークンを超え、ピークは200を超えると主張しています。配信経路と測定条件によってこの数値は大きく変わるため、当社自身の経路は別途引用する価値があります。過去7日間のトラフィックに基づくcode>minimax/minimax-m3.1-flash/code>

ルーティングモデルが持つのはそういう形だ。既存モデルと比較する誠実な方法は、どちらかのベンダーの一つの数値を信じるのではなく、自分自身のルートを測定することだ。

ライセンス行は仕様の一部です

重みには2つの義務が伴い、どちらもパラメータ数には現れない。商用展開では、「Built with MiniMax M3」という文字列を関連するウェブサイト、インターフェース、ブログ投稿、会社概要ページ、または製品ドキュメントに目立つ形で表示する必要がある——モデルはM3.1 Flashであり、必須の帰属表示は依然としてM3とされている。これは法務レビューが終盤で見つける類の細部だ。また、年間収益が2,000万ドル以下の企業は、MiniMaxに対してメールで一度だけ通知する義務を負う。その基準を超える場合は、商用利用の前に事前の書面による許可が必要となる。

ライセンスは商用利用を十分に広く定義しており、モデル上に構築した製品、その上に載せる商用API、ファインチューニングしたデプロイまで対象に含む。しきい値を下回るスタートアップにとって、コストはメール1通と帰属表示1行で済む。より大きな企業にとっては、MiniMaxが管理するスケジュールでのライセンス交渉になる。DeepSeek V4.1 FlashはMITライセンスで提供され、通知は一切不要だ。だからこそ、両方のチェックポイントがダウンロード可能であっても、「オープンウェイト」は単一のカテゴリーではない。

電話をかけるか、ダウンロードしてください

オープンウェイトの損益分岐点は利用率の問題だ。出力トークン100万あたり0.60ドルなら、月間10億出力トークンのコストはホスト型API経由で600ドルになる。B300 GPU 4台は、電力、ネットワーク、サービングスタックを最新に保つエンジニアの人件費を除いても、それを上回る費用がかかる。ダウンロードが勝るのは、管理された環境から出せないデータの場合、重みへのアクセスを必要とするファインチューニング実行の場合——vLLMは、NVFP4チェックポイント上でのveRL、FSDP2、rank-32 LoRAによるエンドツーエンドRLと、16台のGB300上でAIME-2024の精度を36.3%から67.5%に引き上げた200ステップのGRPO実行を報告している——、そして固定クラスタの方が従量課金より安く済むほど大規模なバッチジョブの場合だ。

それ以外のすべての人にとっては、ホスト型ルートが妥当なデフォルトです。code>minimax/minimax-m3.1-flash/code> として、MiniMax M3.1 Flash は OrcaRouter のカタログにプロバイダーの定価・マークアップ0%で掲載されています。入力 $0.15、出力 $0.60、キャッシュ $0.015 で、MiniMax-M3 や、通常このモデルと並んで候補に挙がるモデルと同じく、キー1つで利用できます。プロバイダーが一時的に不調になった場合も自動フェイルオーバーがカバーし、ルーティング DSL を使えば、パイプラインの難しいステップをより強力なモデルに回しつつ、大部分はここに残せます。

パラメータの質問でここに来たなら、短い答えは総数4,280億、アクティブ230億です。長い答えは、どちらの数字も請求書には載っておらず、載っている2つはモデルが消費することを選ぶ出力トークンと、いつか超えるかもしれないライセンスしきい値だということです。

出典メモ：パラメータ数、252.4 GB のリポジトリ、精度スキーム、ライセンス条件、ベンダーのベンチマーク行は、2026年10月26日に閲覧した MiniMax のモデルカードおよび発表資料によるものです。NVFP4 のチェックポイントサイズ、トークンあたりの KV キャッシュバイト数、同時実行数、スループット数値、GRPO の結果は vLLM の day-0 投稿によるもので、特定ハードウェア上でのフレームワークベンチマークです。Intelligence Index スコア、タスクあたりコスト、トークン消費量の推定値、AA-Omniscience の数値は Artificial Analysis によるものです。価格、コンテキスト、1.29 秒の p50 は OrcaRouter のカタログおよび当社自身の7日間トラフィックによるものです。